基于HOG特征提取和GRNN神经网络的人脸表情识别算法matlab仿真,测试使用JAFFE表情数据库

简介: 基于HOG特征提取和GRNN神经网络的人脸表情识别算法matlab仿真,测试使用JAFFE表情数据库

1.算法运行效果图预览

1.jpeg
2.jpeg
3.jpeg
4.jpeg
5.jpeg
6.jpeg
7.jpeg
8.jpeg

2.算法运行软件版本
matlab2022a

3.算法理论概述
该算法主要由两个部分组成:HOG特征提取和GRNN神经网络。下面将详细介绍这两个部分的原理和数学公式。

1.HOG特征提取
HOG(Histogram of Oriented Gradients)是一种局部特征描述子,它通过对图像局部区域的梯度方向进行统计,提取出图像的结构信息。HOG特征提取主要分为以下几个步骤:

(1)图像预处理

首先,将图像转换为灰度图像,然后对其进行归一化处理,以提高特征的鲁棒性。

(2)计算梯度

使用[-1,0,1]的梯度算子在图像的x和y方向上进行卷积,计算图像的梯度和梯度方向。

(3)划分单元格

将图像划分为若干个小的单元格,并在每个单元格内统计梯度方向直方图。

(4)合并块特征

将相邻的单元格组成一个块,并将块内的特征进行合并,得到块特征。

(5)归一化特征

对块特征进行归一化处理,以提高特征的鲁棒性。

最终得到的HOG特征向量可以用于描述图像的结构信息。

2.GRNN神经网络
GRNN(Generalized Regression Neural Network)是一种基于多层感知机的回归模型,它可以将输入映射到一个连续的输出空间。GRNN神经网络主要分为以下几个部分:

(1)输入层

输入层接收HOG特征向量作为输入。

(2)隐藏层

    隐藏层使用Sigmoid函数作为激活函数,将输入映射到一个非线性的隐藏层空间。隐藏层的输出可以表示为:

h=σ(Wx+b)

其中,W是权重矩阵,b是偏置向量,σ是Sigmoid函数。

(3)输出层

输出层使用线性函数将隐藏层映射到输出空间,输出层的输出可以表示为:

y=Wh+b

其中,W是权重矩阵,b是偏置向量。

(4)损失函数和优化算法

   GRNN神经网络的损失函数通常采用均方误差(MSE),可以使用梯度下降算法优化网络参数。对于每个样本,损失函数可以表示为:

L=21(y−y^)2

   其中,y是网络的输出,y^是样本的真实标签。通过最小化损失函数,可以优化网络参数。在训练过程中,通常采用反向传播算法计算梯度并更新网络参数。

3.JAFFE表情数据库
JAFFE表情数据库是一个用于表情识别的研究数据集,由日本女演员Jaffe于1998年捐赠给加州大学圣地亚哥分校。

    该数据集包含了213张面部图片,每个人做出了7类表情,包括愤怒、厌恶、恐惧、快乐、哀伤、惊讶和中性。每组大约有20张样图,可以用来训练和测试面部表情识别的算法。

    JAFFE数据集在计算机视觉领域的情感计算、表情识别和人机交互等方面有着重要的应用价值。它提供了一个标准化的面部表情数据集,可以用于研究表情识别算法的性能和可靠性,为实现面部表情识别的研究提供了基础。

   使用JAFFE数据集需要一些前置条件,如熟悉基本的Python编程和图像处理技术,研究者需要利用相关的机器学习和计算机视觉算法来识别和分类面部表情。

   总之,JAFFE数据集是一个标准和经典的表情识别数据集,对于研究表情识别算法的人来说是一个非常好的选择。

4.部分核心程序

NAME = '悲伤';%测试则对所有图片进行测试

p0 = ['JAFFE\',NAME];
dt = dir(p0);
p  = [dt.name];
err=[];
correct1 = 0;
figure;
for k = 1:length(dt)-3
    k
    path = dt(k+3,1).name;
    I0      = imread([ 'JAFFE\',NAME,'\',path]); 
    [R,C,K] = size(I0);

    if K == 1
       I1 = I0; 
    else
       I1 = rgb2gray(I0);  
    end
    %特征提取
    Hog_Dat1 = func_feature(I1);

    FF2 = sim(net,Hog_Dat1);

    subplot(5,6,k);
    imshow(I0);

    if round(FF2) == 1
       title('悲伤');
       correct1 = correct1+1;
    end
    if round(FF2) == 2
       title('高兴');
    end
    if round(FF2) == 3
       title('害怕');
    end
    if round(FF2) == 4
       title('惊讶');
    end
    if round(FF2) == 5
       title('生气');
    end
    if round(FF2) == 6
       title('厌恶');
    end
    if round(FF2) == 7
       title('中立');
    end

    pause(0.2);
end
err=[err,correct1/(length(dt)-3)];
.......................................................................
%%
NAME = '中立';%测试则对所有图片进行测试

p0 = ['JAFFE\',NAME];
dt = dir(p0);
p  = [dt.name];

correct1 = 0;
figure;
for k = 1:length(dt)-3
    k
    path = dt(k+3,1).name;
    I0      = imread([ 'JAFFE\',NAME,'\',path]); 
    [R,C,K] = size(I0);

    if K == 1
       I1 = I0; 
    else
       I1 = rgb2gray(I0);  
    end
    %特征提取
    Hog_Dat1 = func_feature(I1);

    FF2 = sim(net,Hog_Dat1);

    subplot(5,6,k);
    imshow(I0);

    if round(FF2) == 1
       title('悲伤');

    end
    if round(FF2) == 2
       title('高兴');
    end
    if round(FF2) == 3
       title('害怕');
    end
    if round(FF2) == 4
       title('惊讶');
    end
    if round(FF2) == 5
       title('生气');
    end
    if round(FF2) == 6
       title('厌恶');
    end
    if round(FF2) == 7
       title('中立');
       correct1 = correct1+1;
    end

    pause(0.2);
end

err=[err,correct1/(length(dt)-3)];

figure;
bar(100*err)
xlabel('1:悲伤, 2:高兴, 3:害怕, 4:惊讶, 5:生气, 6:厌恶, 6:中立');
ylabel('情绪识别率%');
相关文章
|
26天前
|
机器学习/深度学习 算法 机器人
【PID】基于人工神经网络的PID控制器,用于更好的系统响应研究(Matlab&Simulink代码实现)
【PID】基于人工神经网络的PID控制器,用于更好的系统响应研究(Matlab&Simulink代码实现)
151 15
|
27天前
|
机器学习/深度学习 数据采集 边缘计算
【FFNN负荷预测】基于人工神经网络的空压机负荷预测(Matlab代码实现)
【FFNN负荷预测】基于人工神经网络的空压机负荷预测(Matlab代码实现)
102 15
|
26天前
|
机器学习/深度学习 算法 机器人
基于Qlearning强化学习的2DoF机械臂运动控制系统matlab仿真
本项目基于Q-learning强化学习算法,实现对二自由度机械臂的运动控制仿真。通过MATLAB 2022a平台,验证了算法在状态、动作与奖励机制下的学习效果,展示了机械臂自主学习达到目标位置的能力。内容涵盖理论模型、算法原理与核心代码实现。
56 7
|
24天前
|
机器学习/深度学习 传感器 运维
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
|
25天前
|
算法 机器人 定位技术
基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真
本程序基于机器视觉与Dijkstra算法,实现平面建筑群地图的路径规划。通过MATLAB 2022A读取地图图像,识别障碍物并进行路径搜索,支持鼠标选择起点与终点,最终显示最优路径及长度,适用于智能导航与机器人路径规划场景。
|
26天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的XGBoost时间序列预测算法matlab仿真
本程序基于Matlab 2024b实现,结合粒子群优化(PSO)与XGBoost算法,用于时间序列预测。通过PSO优化XGBoost超参数,提升预测精度。程序包含完整注释与操作视频,运行后生成预测效果图及性能评估指标RMSE。
|
24天前
|
传感器 并行计算 算法
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
107 3
|
24天前
|
机器学习/深度学习 数据采集 算法
【创新无忧】基于白鲨算法WSO优化广义神经网络GRNN电机故障诊断(Matlab代码实现)
【创新无忧】基于白鲨算法WSO优化广义神经网络GRNN电机故障诊断(Matlab代码实现)
|
25天前
|
机器学习/深度学习 并行计算 算法
【图像分割】基于神经气体网络的图像分割与量化(Matlab代码实现)
【图像分割】基于神经气体网络的图像分割与量化(Matlab代码实现)
|
26天前
|
传感器 算法 数据格式
【UAV】改进的多旋翼无人机动态模拟的模块化仿真环境(Matlab、Simulink实现)
【UAV】改进的多旋翼无人机动态模拟的模块化仿真环境(Matlab、Simulink实现)
103 0

热门文章

最新文章